Pandas DataFrame在预测时同样需要传入一个带有相同特征名称的数据框

news2024/12/25 8:57:51

问题
在这里插入图片描述

修改前的代码

import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split

music_data=pd.read_csv("music.csv")
X= music_data.drop(columns=['genre'])
y=music_data['genre']
model=DecisionTreeClassifier()
model.fit(X,y)
predictions=model.predict([  [21,1],[22,0]  ])
predictions

修改后的代码

import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split

music_data=pd.read_csv("music.csv")
X= music_data.drop(columns=['genre'])
y=music_data['genre']
model=DecisionTreeClassifier()
model.fit(X,y)
pred_data=pd.DataFrame([ [21,1],[22,0]],columns=X.columns )
#predictions=model.predict([  [21,1],[22,0]  ])
predictions=model.predict(pred_data)
predictions

在提供的代码中，出现了上面提到的警告，原因是 model.predict() 方法传入了一个没有特征名称的列表 [ [21, 1], [22, 0] ]，但模型在训练时是使用 Pandas DataFrame（包含特征名称的表格数据）进行的。

详细原因：

在模型训练时 (model.fit(X, y))，你使用的是 Pandas DataFrame 对象 X，它包含了列名称（即特征名称）。
但是，在预测时，你传入了一个二维的列表 [[21, 1], [22, 0]]，它没有任何特征名称（只是数据值）。这导致 scikit-learn 发出了警告，因为它期望预测数据也包含与训练数据相同的特征名称。

解决方案：

要解决这个问题，你需要在预测时使用与训练时相同的数据结构，特别是 Pandas DataFrame，并确保它有与训练数据一致的特征名称。下面是修改后的代码：

import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split

# 加载数据
music_data = pd.read_csv("music.csv")
X = music_data.drop(columns=['genre'])
y = music_data['genre']

# 训练模型
model = DecisionTreeClassifier()
model.fit(X, y)

# 创建预测数据，并确保它是一个包含特征名称的 DataFrame
pred_data = pd.DataFrame([[21, 1], [22, 0]], columns=X.columns)

# 进行预测
predictions = model.predict(pred_data)
print(predictions)

解释：

pred_data = pd.DataFrame([[21, 1], [22, 0]], columns=X.columns)：
- 这里将预测数据封装成一个 Pandas DataFrame，并确保它的列名称与训练数据 X 中的列名称一致（通过 X.columns 获得）。
这样，model.predict(pred_data) 就不会再出现警告，因为预测数据包含了与训练数据相同的特征名称。